探索大语言模型用于检测精神疾病
计算与语言
2025-11-04 v3 人工智能
摘要
本文比较了传统机器学习方法、基于编码器的模型和大语言模型（LLM）在检测抑郁和焦虑任务上的效果。考虑了五个俄语语言数据集，每个数据集在格式和用于定义目标疾病类的方式上都有所不同。我们测试了基于语言特征的 AutoML 模型、几种变体的基于编码器的 Transformer 如 BERT，以及作为疾病分类模型的领先 LLM。结果表明，LLM 在噪声较大且数据集小的情况下表现更好，特别是当训练示例在文本长度和类型上差异很大时。然而，心理语言特征和基于编码器的模型可以在在来自确诊抑郁症个体的文本上进行训练时，达到与语言模型相当的性能，这凸显了其在针对性临床应用中的潜在效果。
关键词
引用
@article{arxiv.2410.07129,
title = {Exploring Large Language Models for Detecting Mental Disorders},
author = {Gleb Kuzmin and Petr Strepetov and Maksim Stankevich and Natalia Chudova and Artem Shelmanov and Ivan Smirnov},
journal= {arXiv preprint arXiv:2410.07129},
year = {2025}
}
备注
Accepted to EMNLP 2025